| 1 |
1
도로주행영상을 입력받는 입력부;도로주행영상의 이미지 프레임 내의 차선을 딥러닝 알고리즘을 이용하여 탐지한 후, 탐지된 차선의 정보를 분석 및 분류하는 차선 검출부;서로 다른 탐지방식으로 이미지 객체를 탐지하는 적어도 2개 이상의 딥러닝 알고리즘 각각의 탐지영역들을 병합 및 확장시켜 통합객체탐지영역을 생성한 후, 기 설정된 탐지영역 조건값에 따라 상기 차선이 검출된 이미지 프레임 내에서 상기 통합객체탐지영역에 위치하는 도로안전표지 오브젝트를 검출하는 도로안전표지 오브젝트 검출부; 및검출된 도로안전표지 오브젝트의 색상, 채도, 밝기에 따라 추출한 특징점을 기초로 세부형상을 분석하는 오브젝트 분석부를 포함하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 시스템
|
| 2 |
2
제1항에 있어서,상기 이미지 프레임 내에서 검출된 도로안전표지 오브젝트를 식별하기 위한 검출 ID를 이미지 프레임에 할당하는 검출 ID 할당부를 더 포함하는
|
| 3 |
3
제1항에 있어서,전/후 이미지 프레임 내에서 검출된 도로안전표지 오브젝트의 매칭유무를 비교판단한 후, 매칭되면 도로안전표지 오브젝트에 할당된 ID, 세부정보 차선정보를 Queue 형태로 제공하는 오브젝트 트랙킹부를 포함하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 시스템
|
| 4 |
4
제1항에 있어서,상기 차선 검출부는딥러닝 알고리즘을 이용하여 차선을 검출한 후, 검출된 차선들 간의 노면표지 및 평균넓이로부터 상기 차선을 점선, 실선, 전용차선 및 중앙선 중 어느 하나로 분류하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 시스템
|
| 5 |
5
제1항에 있어서,상기 오브젝트 검출부는상기 딥러닝 객체감지 알고리즘 각각의 객체탐지영역을 오버랩하여 기 설정된 오버랩 수치를 초과하는 상기 통합객체탐지영역을 생성하는 객체탐지영역 조정부를 포함하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 시스템
|
| 6 |
6
제5항에 있어서,상기 오브젝트 검출부는상기 통합객체탐지영역 내에 검출된 도로안전표지 오브젝트의 식별유무를 기 설정된 탐지영역 조건값으로 필터링하는 객체탐지영역 필터링부를 포함하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 시스템
|
| 7 |
7
제6항에 있어서,상기 기 설정된 탐지영역 조건값은상기 도로안전표지 오브젝트의 검출 위치에 대한 영역 값이고, 상기 영역 값은 노면 표지 영역, 중앙선 좌측 영역, 연석우측 영역을 포함하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 시스템
|
| 8 |
8
제5항에 있어서,상기 오브젝트 검출부는상기 딥러닝 객체감지 알고리즘 각각의 객체탐지영역을 오버랩한 수치가, 상기 기 설정된 오버랩 수치보다 작을 경우, 상기 딥러닝 객체감지 알고리즘 중 검출 정확도가 높은 딥러닝 객체감지 알고리즘으로 상기 도로안전표지 오브젝트를 검출하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 시스템
|
| 9 |
9
제1항에 있어서,상기 오브젝트 분석부는상기 오브젝트 검출부에서 검출된 도로안전표지 오브젝트의 윤곽선을 추출한 후, 상기 윤곽선의 특징점의 위치를 기초로 상기 도로안전표지 오브젝트의 형상 및 컬러 중 적어도 하나 이상을 분석하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 시스템
|
| 10 |
10
제3항에 있어서,상기 오브젝트 트랙킹부는상기 오브젝트 분석부로부터 제n+1 이미지 프레임 내에 도로표지 오브젝트 검출 유무 및 ID 할당 유무를 확인한 후, 제n 이미지 프레임의 중심과 제n+1 이미지 프레임의 중심의 오프셋 벡터의 최적값을 산출한 후, 오프셋 벡터의 최적값을 기초로 상기 도로표지 오브젝트의 매칭 유무를 판단하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 시스템
|
| 11 |
11
제10항에 있어서,상기 오브젝트 트랙킹부는 동일한 도로안전표지 오브젝트가 검출된 이미지 프레임을 적층한 후, 적층값이 기준값을 초과하면 적층된 이미지 프레임들의 도로안전표지 오브젝트 ID, 세그먼트, 객체탐지영역 및 차선정보를 Queue 형태로 저장 및 전송하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 시스템
|
| 12 |
12
도로주행영상의 이미지 프레임 내의 차선을 딥러닝 알고리즘을 이용하여 탐지한 후, 탐지된 차선의 정보를 분석 및 분류하는 단계;2개의 서로 다른 딥러닝 객체감지 알고리즘의 객체탐지영역을 병합 및 확장시켜 통합객체탐지영역을 생성한 후, 기 설정된 탐지영역 조건값에 따라 상기 차선이 검출된 이미지 프레임 내에서 상기 통합객체탐지영역에 위치하는 도로안전표지 오브젝트를 검출하는 단계;검출된 도로안전표지 오브젝트의 색상, 채도, 밝기에 따라 추출한 특징점을 기초로 도로안전표지 오브젝트의 이미지를 분석하는 단계;상기 이미지 프레임 내에서 검출된 도로안전표지 오브젝트를 식별하기 위한 검출 ID를 이미지 프레임에 할당하는 단계 및전/후 이미지 프레임 내에서 검출된 도로안전표지 오브젝트의 매칭유무를 비교판단한 후, 매칭되면 도로안전표지 오브젝트에 할당된 ID, 세부정보 차선정보를 Queue 형태로 제공하는 단계를 포함하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 방법
|
| 13 |
13
제12항에 있어서,상기 탐지된 차선의 정보를 분석 및 분류하는 단계는딥러닝 알고리즘을 이용하여 차선을 검출한 후, 검출된 차선들 간의 노면표지 및 평균넓이로부터 상기 차선을 점선, 실선, 전용차선 및 중앙선 중 어느 하나로 분류하는 단계인, 정밀도로지도 생성을 위한 교통안전표지 인식/추출 방법
|
| 14 |
14
제12항에 있어서,상기 도로안전표지 오브젝트를 검출하는 단계는제1 딥러닝 객체감지 알고리즘 및 제2 딥러닝 객체감지 알고리즘 각각의 객체탐지영역을 오버랩하여 기 설정된 오버랩 수치를 초과하는 상기 통합객체탐지영역을 생성하는 단계를 포함하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 방법
|
| 15 |
15
제14항에 있어서,상기 도로안전표지 오브젝트를 검출하는 단계는상기 통합객체탐지영역 내에 검출된 도로안전표지 오브젝트의 식별유무를 기 설정된 탐지영역 조건값으로 필터링하는 단계를 포함하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 방법
|
| 16 |
16
제15항에 있어서,상기 기 설정된 탐지영역 조건값은상기 도로안전표지 오브젝트의 검출 위치에 대한 영역 값이고, 상기 영역 값은 노면 표지 영역, 중앙선 좌측 영역, 연석우측 영역을 포함하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 방법
|
| 17 |
17
제12항에 있어서,상기 도로안전표지 오브젝트를 검출하는 단계는상기 딥러닝 객체감지 알고리즘 각각의 객체탐지영역을 오버랩한 수치가, 상기 기 설정된 오버랩 수치보다 작을 경우, 상기 딥러닝 객체감지 알고리즘 중 검출 정확도가 높은 딥러닝 객체감지 알고리즘으로 상기 도로안전표지 오브젝트를 검출하는 단계를 포함하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 방법
|
| 18 |
18
제12항에 있어서,상기 도로안전표지 오브젝트의 이미지를 분석하는 단계는검출된 도로안전표지 오브젝트의 윤곽선을 추출한 후, 상기 윤곽선의 특징점의 위치를 기초로 상기 도로안전표지 오브젝트의 형상 및 컬러 중 적어도 하나 이상을 분석하는 단계를 포함하는 정밀도로지도 생성을 위한 교통안전표지 인식/추출 방법
|
| 19 |
19
제12항에 있어서,상기 도로안전표지 오브젝트의 매칭유무를 비교판단하는 단계는상기 오브젝트 분석부로부터 제n+1 이미지 프레임 내에 도로표지 오브젝트 검출 유무 및 ID 할당 유무를 확인한 후, 제n 이미지 프레임의 중심과 제n+1 이미지 프레임의 중심의 오프셋 벡터의 최적값을 산출한 후, 오프셋 벡터의 최적값을 기초로 상기 도로표지 오브젝트의 매칭 유무를 판단하는 단계인 정밀도로지도 생성을 위한 교통안전표지 인식/추출 방법
|
| 20 |
20
제10항에 있어서,상기 Queue 형태로 제공하는 단계는동일한 도로안전표지 오브젝트가 검출된 이미지 프레임을 적층한 후, 적층값이 기준값을 초과하면 적층된 이미지 프레임들의 도로안전표지 오브젝트 ID, 세그먼트, 객체탐지영역 및 차선정보를 Queue 형태로 저장 및 전송하는 단계인, 정밀도로지도 생성을 위한 교통안전표지 인식/추출 방법
|
